MCP 自动化任务执行器

一个基于 MCP (Model Context Protocol) 的自动化任务执行应用，能够理解你的自然语言指令，自动生成、安装依赖并执行 Python 脚本来完成任务。

它是如何工作的？
在mcp客户端下达指令后（例如“帮我获取今天的天气并保存到 a.txt”），此mcp会执行以下步骤：
通过配置的大语言模型（本地ollama或者api）生成相应的 Python 代码
在环境中安装相应需要的依赖 在虚拟环境中执行这段代码以完成任务

---

使用教程

准备工作

• 确保你的电脑上已经安装了 Python 3.10+。

快速开始 (仅限 Linux)

对于 Linux 用户，提供了简易的一键安装配置脚本。

# 克隆项目
git clone https://github.com/SkyShadowHero/McpCoderRunner.git
cd McpCoderRunner
# 给予脚本执行权限
chmod +x first_launch.sh
# 运行脚本
./first_launch.sh

脚本会自动完成环境创建、依赖安装、配置引导，并最终测试启动服务。

运行中会要求填写mcp_config.json(模型相关)并弹出import_mcp.json，可通过import_mcp.json里的示例导入进支持mcp的客户端如UOS Ai等

手动安装（Linux，Macos或Windows）

第一步: 克隆项目

git clone https://github.com/SkyShadowHero/McpCoderRunner.git
cd McpCoderRunner

第二步: 创建和进入虚拟环境

### 创建虚拟环境 (推荐使用 uv)
#### 使用uv
uv venv
#### 使用python
python -m venv venv
### 进入环境
#### Windows (PowerShell)
.\venv\Scripts\Activate.ps1
#### Windows (CMD)
venv\Scripts\activate.bat
#### Mac / Linux
source venv/bin/activate

第三步: 安装依赖

# 推荐使用 uv
uv pip install -r requirements.txt
# 或者使用 pip
pip install -r requirements.txt

第四步: 配置大语言模型 (LLM)

首次运行main.py，如果 mcp_config.json 文件不存在，它会被自动创建。
打开 mcp_config.json 文件，根据以下内容进行修改。
使用本地 Ollama:

{
    "llm_config": {
        "model": "deepseek-coder-v2:16b",
        "base_url": "http://127.0.0.1:11434",
        "api_key": "ollama"
    }
}

使用在线 API (如 DeepSeek ):

{
    "llm_config": {
        "model": "deepseek-chat",
        "base_url": "https://api.deepseek.com",
        "api_key": "sk-xxxxxxxxxxxxxxxxxxxx"
    }
}

第五步: 测试运行 MCP 服务

python main.py

第六步: 导入到 MCP 客户端

简单演示

此图为最新演示

获取bing今日美图

以下图中为Ollama的deepseek-coder-v2:16b+UOS AI+这个mcp服务

svg图片换色

把一个蓝色的b站小图标换为粉色

文字生成

在一个文本里生成一些废话

复杂任务

将MiSans字体中的天影大侠提取出来绘制为白色图片并添加黑色边框

当然python有无限的可能

写在最后

此代码部分由llm完成，参考价值不大
项目来源于deepin的 #MCP 探索家# 活动